干旱区生态环境知识资源中心(Arid): 利用Hyperion图像估算森林覆盖度

Arid

	利用Hyperion图像估算森林覆盖度
其他题名	Estimation of Vegetation Coverage Using Hyperion Image
	王新云; 郭艺歌
来源期刊	长江科学院院报
ISSN	1001-5485
出版年	2013
卷号	30 期号:7 页码:106-110,121
中文摘要	植被覆盖度是评价土地荒漠化最有效的指标,遥感是获取区域尺度植被覆盖度参数的一个重要手段。针对EO-1 Hyperion高光谱遥感图像成像的特点,探讨了高光谱Hyperion图像的预处理和森林覆盖度遥感估算的方法,研究中采用几何光学模型和混合像元模型等方法从高光谱EO-1 Hyperion图像估算植被覆盖度,进一步将2种方法估算的植被覆盖度进行了对比,并利用实测数据对估算结果进行验证。研究结果表明:利用几何光学模型反演的植被覆盖度(决定系数R~2=0.76;均方根误差RMSE=0.06)优于混合像元模型法(R~2=0.71;RMSE=0.07)。
英文摘要	Fractional green vegetation coverage (FC) is the most effective indicator of estimating land desertification, and remote sensing is an important means to obtain regional scale vegetation coverage. The methods of preprocessing EO-1 Hyperion hyperspectral image and estimating vegetation coverage by using quantitative remote sensing are researched in this paper. We compare two different methods of estimating vegetation coverage from EO-1 Hyperion data. The first method is based on Li-Strahler Geometric-Optical model and Spectral Mixture Analysis(SMA) technique. The second method is based on mixedpixel models. Results of vegetation coverage by the two methods are compared, and are further verified by measured data in the experimental field of Helan Mountain. The results indicate that the LiStrahler Geometric-Optical model inversion (R~2=0.76, RMSE=0.06) performs better than the mixedpixel model inversion(R~2=0.71, RMSE=0.07) for FC retrieval.
中文关键词	高光谱遥感 ; EO-1Hyperion图像 ; 植被覆盖度 ; 几何光学模型 ; 混合像元模型
英文关键词	hyperspectral remote sensing EO-1 Hyperion image vegetation coverage geometric optical model mixedpixel model
语种	中文
国家	中国
收录类别	CSCD
WOS类目	REMOTE SENSING
WOS研究方向	Remote Sensing
CSCD记录号	CSCD:4889216
来源机构	宁夏大学
资源类型	期刊论文
条目标识符	http://119.78.100.177/qdio/handle/2XILL650/230432
作者单位	宁夏大学, 西北退化生态系统恢复与重建教育部重点实验室, 银川, 宁夏 750021, 中国
推荐引用方式 GB/T 7714	王新云,郭艺歌. 利用Hyperion图像估算森林覆盖度[J]. 宁夏大学,2013,30(7):106-110,121.
APA	王新云,&郭艺歌.(2013).利用Hyperion图像估算森林覆盖度.长江科学院院报,30(7),106-110,121.
MLA	王新云,et al."利用Hyperion图像估算森林覆盖度".长江科学院院报 30.7(2013):106-110,121.